尽管AI已经在行行业业都快速落地，但大规模常识知识库与基于认知的逻辑推理目前仍是人工智能发展的重要课题和难题。

2019年图灵奖获得者Yoshua Bengio也在NeurIPS大会上的主题报告中指出，深度学习应该从感知为主向基于认知的逻辑推理和知识表达方向发展。

总的来说，人工智能的发展经历了表示、计算到感知两个阶段，下一个阶段的核心是认知。近期图灵奖获得者Manuel Blum夫妇提出意识AI（意识智能）的思想，这是一个既经典又全新的概念和思路，核心的理念就是构造一个新型的可用数学建模、可计算的机器认知/意识模型。

从学界研究和工业落地的现状来看，人工智能已经在“听、说、看”等感知智能领域达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还有很大空间。

复旦大学肖仰华教授在报告“知识图谱与认知智能”中描述了，让机器具备认知智能具体体现在机器能够理解数据、理解语言进而理解现实世界的能力，体现在机器能够解释数据、解释过程进而解释现象的能力，体现在推理、规划等等一系列人类所独有的思考认知能力上，需要去解决推理、规划、联想、创作等复杂任务。

清华大学唐杰教授在“人工智能下一个十年”报告中，结合认知科学和计算机理论，给出了一个实现认知智能的可行思路：认知图谱=知识图谱+认知推理+逻辑表达，希望利用知识表示、推理和决策，包括人的认知来解决复杂问题。

这个思路的基本思想是结合认知科学中的双通道理论，在人脑的认知系统中存在两个系统：System 1和System 2。System 1是一个直觉系统，它可以通过人对相关信息的直觉匹配寻找答案，它是非常快速、简单的；而System2是一个分析系统，它通过一定的推理、逻辑找到答案。

比如针对以下问题：“找到一个2003年在洛杉矶的Quality咖啡馆拍过电影的导演”。System 1首先找到相关的影片，然后用System 2来做决策，如果是标准答案，就结束整个推理的过程。如果不是标准答案，而相应的信息又有用，就把它作为一个有用信息提供给System 1，System 1继续做知识的扩展，System 2再来做决策，直到最终找到答案。

图灵奖获得者Bengio在NIPS 2019大会的提纲中也提到，System 1到System 2的认知是深度学习未来发展的重要方向。

让机器具备认知智能，核心就是让机器具备理解和解释能力。这种能力的实现与大规模、结构化的背景知识是密不可分的。认知图谱是实现机器认知智能的前提条件，一方面通过建立从数据到认知图谱中实体、概念、关系的映射，让机器理解数据的本质；另一方面利用认知图谱中实体、概念和关系来解释现实世界中事物和现象，让机器解释现象的本质。

如果图谱和知识推理相关技术取得进步，那AI对人类社会的影响能力将会更加深远。例如，人人都可以通过智能手表，手机或者眼镜等便携设备，全天候的跟自己的专属AI助手沟通，而这个AI助手则了解你的一切习惯和需求，并且对你无比忠诚。

到目前为止，认知图谱在学术界和工业界还没有一个统一定义。百度百科给出的认知图谱定义如下：认知图谱（Cognitive Graph）旨在结合认知心理学、脑科学和人类知识等，研发知识图谱、认知推理、逻辑表达的新一代认知引擎，实现人工智能从感知智能向认知智能的演进。认知图谱是计算机科学的一个研究分支，它企图了解智能的实质，并实现感知智能系统到认知智能系统的重大技术突破。